72Paweł Wicher / Politechnika WrocławskaKazimierz Wilkosz / Politechnika Wrocławskai Romera oraz metodzie Zhanga, Liu i Liu, przy ustalaniu wstępnego rozwiązania wykorzystywane są wyniki analizyczułościowej. W dwóch metodach korzysta się z <strong>do</strong>świadczenia eksploatacyjnego, w jednej metodzie zakładasię, że punktem wyjściowym <strong>do</strong> analiz jest brak <strong>baterii</strong> kondensatorów w sieci. W pozostałych metodach nadrodze losowania ustala się rozwiązanie początkowe.Na definicję obszaru przejść pomiędzy poszczególnymi rozwiązaniami zwraca szczególną uwagę kilka metod.W metodzie Moriego i Ogity <strong>do</strong>konywana jest dekompozycja sąsiedztwa otoczenia aktualnego rozwiązania.W jednej z późniejszych metod, tj. w metodzie Gallega, Monticellego i Romera, obszar przejść pomiędzyposzczególnymi rozwiązaniami jest początkowo definiowany na podstawie analizy czułościowej, a następniez <strong>wykorzystanie</strong>m: rekombinacji, strategii Path Relinking i konfiguracji elitarnych. Inne podejście <strong>do</strong> ustalaniarozpatrywanego obszaru przejść można znaleźć w metodzie Moriego i Tsunokawy. W otoczeniu aktualnego rozwiązaniawyznaczane są dwa obszary przejść. Gdy w jednym z nich nie zostanie znalezione rozwiązanie lepsze od<strong>do</strong>tychczasowego, to kontynuowane jest poszukiwanie kolejnego rozwiązania w drugim z obszarów.4. UWAGI KOŃCOWEZainteresowanie <strong>wykorzystanie</strong>m <strong>algorytmu</strong> TS <strong>do</strong> optymalizacji <strong>lokalizacji</strong> <strong>baterii</strong> kondensatorów wiążesię z dążeniem <strong>do</strong> znalezienia możliwie najkorzystniejszej metody co <strong>do</strong> <strong>do</strong>kładności wyników oraz czasu obliczeń.Zadanie wspomnianej optymalizacji nie należy <strong>do</strong> wyzwań prostych. Należy bowiem znaleźć ekstremumpewnej funkcji w obszarze dyskretnej przestrzeni wielowymiarowej, obejmującym wiele <strong>do</strong>puszczalnych punktów.Ogólnie biorąc, wspomniana funkcja ma wiele ekstremów. Algorytm TS zapewnia mechanizm dający możliwośćznalezienia ekstremum globalnego w relatywnie krótkim czasie.Należy zauważyć, że podejście heurystyczne, które ma także miejsce, gdy stosowany jest algorytm TS,pozwala lepiej uwzględnić rzeczywiste warunki. Często metody analityczne opierają się na nierealistycznych założeniach,takich jak na przykład: równomierny rozkład obciążenia, stałość obciążeń, podczas gdy w przypadkupodejścia heurystycznego nie ma potrzeby ich stosowania.Algorytm TS jest jedną z bardziej efektywnych metaheurystyk. Ma on charakter deterministyczny. Jest onprostszy niż inne algorytmy poszukiwania rozwiązania w określonej przestrzeni. Jego zalety są istotne z punktuwidzenia optymalizacji kombinatorycznej, która występuje przy poszukiwaniu najlepszej w sensie przyjętegokryterium <strong>lokalizacji</strong> źródeł mocy biernej. Stwierdzono [17], że efekty wykorzystania zwykłego <strong>algorytmu</strong> TS <strong>do</strong>znaj<strong>do</strong>wania optymalnej <strong>lokalizacji</strong> <strong>baterii</strong> kondensatorów – bez uwzględniania czasu obliczeń – są porównywalnez efektami otrzymywanymi z <strong>wykorzystanie</strong>m <strong>algorytmu</strong> genetycznego bądź symulowanego wyżarzania.Zauważa się jednak [10], że zarówno algorytmy genetyczne, jak i symulowane wyżarzanie są mniej korzystnez punktu widzenia <strong>do</strong>kładności uzyskiwanych wyników oraz czasu obliczeń w porównaniu z algorytmem TS,o ile dekomponowane jest otoczenie aktualnego rozwiązania. Szczególnie wniosek ten <strong>do</strong>tyczy większych siecielektroenergetycznych. W pracy [18] stosuje się łącznie zwykły algorytm TS oraz algorytm genetyczny. Okazujesię, że otrzymane w takim przypadku wyniki są lepsze niż wtedy, gdy stosowany jest tylko algorytm TS.W wielu przypadkach, przy opracowywaniu metody optymalizacji <strong>lokalizacji</strong> źródeł mocy biernej z <strong>wykorzystanie</strong>m<strong>algorytmu</strong> TS, zwraca się uwagę na wstępne ustalenie rozwiązania zadania oraz odpowiednie określenieobszaru przejść pomiędzy poszczególnymi rozwiązaniami. W publikacjach podkreślany jest istotny wpływtych czynników na wyniki postępowania optymalizacyjnego.
Wykorzystanie <strong>algorytmu</strong> <strong>tabu</strong> <strong>search</strong> <strong>do</strong> <strong>lokalizacji</strong> <strong>baterii</strong> kondensatoróww sieci elektroenergetycznej73BIBLIOGRAFIA1. Ng H.N., Salama M.M.A., Chikhani A.Y., Classification of Capacitor Allocation Techniques. IEEE Trans. on PD, 2000,vol. 15, no. 1, s. 387–392.2. Zhang W., Tolbert L.M., Survey of Reactive Power Planning Methods. IEEE PES General Meeting, 2005, s. 1430––1440.3. Zhang W., Fangxing L., Tolbert L.M., Review of Reactive Power Planning: Objectives, Constraints, and Algorithms.IEEE Trans. on PS, 2007, vol. 22, no. 4, s. 2177–2186.4. Glover F., Future Paths for Integer Programming and Links to Artificial Intelligence. Computation& Operations Re<strong>search</strong>, 1986, vol. 13, no. 5, s. 533–549.5. Glover F., Tabu Search – Part I, ORSA J. on Computing, 1989, vol. 1, no. 3, s. 190–206.6. Glover F., Tabu Search – Part II, ORSA J. on Computing, 1990, vol. 2, no. 1, s. 4–32.7. Yang H.-T., Huang Y.-Ch., Huang Ch.-L., Solution to Capacitor Placement Problem in a Radial Distribution System UsingTabu Search Method. Inter. Conf. on Energy Management and Power Delivery, 1995, vol. 1, s. 388–393.8. Huang Y.-Ch., Yang H.-T., Huang Ch.-L., Solving the Capacitor Placement Problem in a Radial Distribution System UsingTabu Search Approach. IEEE Trans. on PS, 1996, vol. 11, no. 4, s. 1868–1873.9. Gan D., Qu Z., Cai H., Large Scale Var Optimization and Planning by Tabu Search. Electric Power Systems Re<strong>search</strong>,1996, vol. 39, no. 3, s. 195–204.10. Mori H., Ogita Y., Parallel Tabu Search for Capacitor Placement in Radial Distribution Systems. IEEE PES WinterMeeting, 2000, vol. 4, s. 2334–2339.11. Chang C.S., Lern L.P., Application of Tabu Search Strategy in Solving Non-Differentiable Savings Function for theCalculation of Optimum Savings due to Shunt Capacitor Installation in a Radial Distribution System. IEEE PES Winter Meeting,2000, vol. 4, s. 2323–2338.12. Gallego R.A., Monticelli A.J., Romero R., Optimal Capacitor Placement in Radial Distribution Networks. IEEE Trans.on PS, 2001, vol. 16, no. 4, s. 630–637.13. Zhang W., Liu Y., Liu Y., Optimal Var Planning in Area Power System. Inter. Conf. on Power System Technology,2002, vol. 4, s. 2072–2075.14. Zou Y., Optimal Reactive Power Planning Based on Improved Tabu Search Algorithm. Inter. Conf. on Electrical andControl Engg, 2010, Wuhan, s. 3945–3948.15. Pires D.F., Martins A.G., Antunes C.H., A Multiobjective Model for Var Planning in Radial Distribution Networks Base<strong>do</strong>n Tabu Search. IEEE Trans. on PS, 2005, vol. 20, no. 2, s. 1089–1094.16. Mori H., Tsunokawa S., Variable Neighborhood Tabu Search for Capacitor Placement in Distribution Systems. IEEEInter. Symp. on Circuits and Systems, 2005, s. 4747–4750.17. Al-Mohammed A.H., Elamin I., Capacitor Placement in Distribution Systems Using Artificial Intelligent Techniques.IEEE PowerTech, 2003, Bologna, Italy, vol. 4, s. 1–7.18. Nikoukar J., Gan<strong>do</strong>mkar M., Capacitor Placement in Distribution Systems Using Genetic Algorithms and Tabu Search.The 4th WSEAS Inter. Conf. on Applications of Electrical Engineering, 2005, Prague, Czech Republic, s. 354–358.